One-hot кодування та фіктивні змінні
Щоб використати категоріальні змінні в моделі машинного навчання, спершу потрібно подати їх у кількісному вигляді. Два найпоширеніші підходи — це one-hot кодування змінних або використання фіктивних змінних (dummy variables). У цій вправі ви створите обидва типи кодування та порівняєте отримані набори стовпців. Ми й далі працюватимемо з тим самим датафреймом з попереднього уроку, завантаженим як so_survey_df, і зосередимося на його стовпці Country.
Ця вправа є частиною курсу
Feature Engineering для машинного навчання в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Convert the Country column to a one hot encoded Data Frame
one_hot_encoded = ____(____, ____=['Country'], prefix='OH')
# Print the columns names
print(one_hot_encoded.columns)